富士通のAI技術「Zinrai」でどんな世界が創られる？ (1/3)
5月19日・20日、東京国際フォーラムにて「富士通フォーラム 2016」が開催された。展示場では、サーバー・ストレージなどのIT機器はほぼ姿を消し、クラウド・モバイル・ビッグデータ・IoT・AI関連技術で構成されるデジタルサービス基盤「MetaArc」をはじめ、社会に貢献するIT技術を中心に紹介していた。 テーマは「ものづくり」「社会インフラ」「ワークスタイル変革」「暮らし」「モビリティ」「医療・健康」「小売・物流」「金融サービス」「デジタルマーケティング」「セキュリティ」「食・農業」「スポーツ」だ。そんな多岐にわたる展示の中から、特に「Zinrai」と呼ばれる技術に注目してみたい。 同社グループが30年にわたって取り組んできたというAI（人工知能）技術だ。 「Zinrai」としてAI技術を体系化 Zinraiは、富士通研究所が中心となり1980年代から継続的に取り組んできたAIの実用化に
[速報] Google I/O 2016 基調講演レポート ~ スマートホームからAndroid N の新機能まで！Google が発信する10の発表 | Recruit Tech Blog
[速報] Google I/O 2016 基調講演レポート ~ スマートホームからAndroid N の新機能まで！Google が発信する10の発表 釘宮愼之介 こんにちは釘宮です。ただいまアメリカはマウンテンビューというところにいます。 Google が開催するクリエイティブ・カンファレンス『Google IO 2016』が日本時間5月19日に開催されました。このイベントは全世界から7000人以上が参加する3日間の大規模なイベントとなっています。初日は基調講演としてGoogleの新たなサービスやプロダクトに関する発表がされました。 今回は現地に渡った @kgmyshin と @wangxuan の二人が速報レポートとしてお伝えします。 Google I/O 2016 基調講演ダイジェスト Google Assistantという概念が生まれた Google Homeというスマートホームプ
![[速報] Google I/O 2016 基調講演レポート ~ スマートホームからAndroid N の新機能まで！Google が発信する10の発表 | Recruit Tech Blog](https://cdn-ak-scissors.b.st-hatena.com/image/square/f0393306b9e4f0390cb144283229b5956bda3ea1/height=288;version=1;width=512/https%3A%2F%2Ftechblog.recruit.co.jp%2Fassets%2Frmp%2Fthumbnail%2F10091.jpg)
住宅の外観画像と内装画像をディープラニングして、リコメンドをつくってみる | Tech Blog - リクルート住まいカンパニー
こんにちは。データソリューショングループの李です。 データソリューショングループでは、ウェブリコメンドやターゲティングバナー設置のアルゴリズム実装、賃料の予測、投函チラシの配布エリア最適化など、こんにちは。データソリューショングループの李です。 データソリューショングループでは、ウェブリコメンドやターゲティングバナー設置のアルゴリズム実装、賃料の予測、投函チラシの配布エリア最適化など、 機械学習や統計モデリングをつかってサービスの磨きこみをしています。 今回は、SUUMOが持っている建築物の外観画像と内観画像を使って画像分析を行いました。Deep learningを用いた手法や、得られた結果について紹介します。 Deep Learningとは Computer Vision（CV）やAIなどの難易度が高い学習タスクに対して、深い構造*を使って処理する機械学習アルゴリズムセットです。 表
Terrain-Adaptive Locomotion Skills Using Deep Reinforcement Learning
Terrain-Adaptive Locomotion Skills Using Deep Reinforcement Learning Transactions on Graphics (Proc. ACM SIGGRAPH 2016) (to appear) Xue Bin Peng Glen Berseth Michiel van de Panne University of British Columbia Reinforcement learning offers a promising methodology for developing skills for simulated characters, but typically requires working with sparse hand-crafted features. Building on re
Globally Normalized Transition-Based Neural Networks
We introduce a globally normalized transition-based neural network model that achieves state-of-the-art part-of-speech tagging, dependency parsing and sentence compression results. Our model is a simple feed-forward neural network that operates on a task-specific transition system, yet achieves comparable or better accuracies than recurrent models. We discuss the importance of global as opposed to
Deep Learning in Rust: a walk in the park
This is a sequel to my previous post several months ago. Last time, I introduced a shoddy library named deeplearn-rs that allowed you to build and (manually) train neural networks that run on your GPU via OpenCL. I told you to “take a gander” at some atrocious code that constructed a rather useless XOR network and then didn’t bother to train it. For reasons unknown, I still got positive feedback.
深層強化学習論文リストを作り始めた - 学生時代に頑張ったことが何もない
前にDQNの再現の記事を書いてからほぼ1年が空いてしまいました．DQNの新しい論文が2月にNatureに載ったのは記憶に新しいですが，それから研究はさらに加速し，最近では自分の感覚としてはarxiv含めて平均すると1週間に1論文くらいのペースで深層強化学習の研究が発表されているのではないかと思います（ちゃんと計算してないので全然違ってたらすみません）． これだけ論文が増えるとまとめのようなものが欲しくなるので，自分で作ることにしました． https://github.com/muupan/deep-reinforcement-learning-papers まだだいぶ不完全ですし，論文リストをきちんとした形で作るのははじめてなのでいろいろと迷う部分があるのですが，これから少しずつ充実させていく予定です．
Google Has Open Sourced SyntaxNet, Its AI for Understanding Language
Which is not to say that our digital assistants will never live up to their simulated humanity. So many researchers working at so many tech giants, startups, and universities are pushing computers towards true natural language understanding. And the state-of-the-art keeps getting better, thanks in large part to deep neural networks---networks of hardware and software that mimic the web of neurons
Hierarchical Softmaxの性質 - Qiita
これはHierarchical Probabilistic Neural Network Language Model に登場するHierarchical Softmax(以降hSm)について簡単に書くものです． 分類問題(特にsoftmax関数)に関する基本的な知識を必要とします．あとハフマン木がどのように構成されるかについて知っている方と理解がスムーズに進むかと思います． 手法の背景 Neural Networkを用いて文字列の生成をする場合，一般にラベル(単語)の予測にはSoftmax関数が用いられる．Softmax関数は$m_l = \langle \mathbf{w}_l, \mathbf{x} \rangle$とした時， で定義される関数である．自然言語で語彙を考える場合，辞書は数万単位のサイズになる．そのため，$Z=\sum_k^K exp(m_k)$の計算が非常にハイコスト
Amazon open sources its deep learning software
The Deep Scalable Sparse Tensor Network Engine (DSSTNE) library is now available under the Apache 2.0 license. Following the lead of other tech giants, Amazon has open sourced its deep learning software. The Deep Scalable Sparse Tensor Network Engine (DSSTNE) library is now available on GitHub under the Apache 2.0 license. Amazon explained on its FAQ page that DSSTNE, pronounced "Destiny," helps A
ライントレーサーをDeep Q Learningで教育する - Chainer - Qiita
光センサがコースを検知したら左曲がりに進行、検知しなかったら右回りに進行、という味気ないやつ 青色 僕らの期待の新星DQN 入力：[[光センサの検知/不検知][前回とった行動]]を1セットに過去5個分 : 20次元 隠れ層：50ユニット x 2枚ほど <実は前の記事で隠れ層が1枚なのに2枚と勘違いしてました> 出力：左曲がり進行、直進、右曲がり進行 ご褒美：コースから5px以内 +1ポイント 10px以内 +0.5ポイント 壁際2px以内 -1ポイント そして、壁にぶつかったら張り付き続けてしまい学習時間に支障が出そうになるのでコース上に位置リセット。 現状の状況 いくら直近の過去のことを覚えていても自分の位置もわからない一つ目お化けじゃ迷子になる様子？ せめて2つ以上センサーがあるようなライントレーサーにしたり、自分の位置を計算したりするなど何らかの手段で、自分とコースの位置関係を把握で
マルレク2016第一回「Convolutional Neural Network入門講座」 | Peatix
講演テーマ：「Convolutional Neural Network 入門講座」 講 演 ：丸山不二夫 開催日時：2016年5月13日（金） 19:00 ～ 21:00 開場：18：30 、 受付：18：30 ～ 19：30 会 場 ：ＴＩＳ株式会社 東京本社 14F 研修室 （西新宿） 受講チケット申込： 5月6日（金）12：00～5月13日（金）10:00、このページから。 講演の狙い ニューラル・ネットワーク技術の中核としてのCNN ニューラル・ネットワークに関心を持っている人が増えています。僕は、こうした意欲的な人たちに、是非、CNN(Convolutional Neural Network) を理解してもらいたいと思っています。CNNは、現在のニューラル・ネットワークの中心的な技術で、かつ、もっとも大きな成果を上げている技術の一つだからです。あのGoogleのAlphaGoも
LightNet: A Versatile, Standalone Matlab-based Environment for Deep Learning
LightNet is a lightweight, versatile and purely Matlab-based deep learning framework. The idea underlying its design is to provide an easy-to-understand, easy-to-use and efficient computational platform for deep learning research. The implemented framework supports major deep learning architectures such as Multilayer Perceptron Networks (MLP), Convolutional Neural Networks (CNN) and Recurrent Neur
ChainerでやってみるDeep Q Learning - 立ち上げ編 - Qiita
こんにちは 本業はプログラマじゃない人です。 テレビで「ディープラーニング」というキーワードがバズっているときに、 分散深層強化学習でロボット制御 | Preferred Researchを見て、 試してみたいことが出てきたので、いきなりクローンとは言わず、まず簡単なものから作った。 ⇒ 置き場：DeepQNetworkTest 狙い Pythonも初めて！Chainerも初めて！ プログラミングの作法すら分からないのに周囲にソフト屋さんがいない！ でも、自走機械に強化学習というのをやらせてみたい！ ⇒ とりあえず公開すれば教えてくれる人が出てくるかもしれない 慣性とか持っている機械を動かして見せてる事例が本当に少ない（気がする） ⇒ 次のステップで入れてみよう やったこと ConvNetJS Deep Q Learning Reinforcement Learning with Neur
第71回人工知能セミナー(2016.6.30) 「Deep Learning技術の仕組みと自然言語処理への応用」 | 人工知能学会 (The Japanese Society for Artificial Intelligence)
==================================================================== 本セミナーでは，講演者の方が使用する資料を当日CDなどの外部記憶媒体で回し， 各自ご持参いただいたPCにコピーしていただけるようにいたします． 資料を希望される方は，PCをご持参ください． ==================================================================== 概要 Deep Learning技術は，画像認識・音声認識分野等において盛んに研究がなされており，飛躍的な性能改善が報告されております．自然言語処理分野でもDeep Learning技術を用いた研究が報告されておりますが，画像・音声分野と比べて十分に普及しているとはいえない状況です．本セミナーでは，Deep Learning及び自然
数学的基礎から学ぶ Deep Learning (with Python) Vol. 6【MPS 横浜 第6回】｜IT勉強会・イベントならTECH PLAY［テックプレイ］
イベント内容 MPS横浜 概要 MPSは、「みんなでわいわいソフトウェア作りながら技術を磨いて実績を作ろう!」をコンセプトに活動しています。プログラミング玄人とも初心者もみんなで協力して作品作りを行い、できあがった作品は共同制作のオープンソース・ソフトウェアとして、世の中に出します。 MPS横浜は「筋電位とDeep learning を用いた簡単なロボットアームを作ってみよう!」をテーマに発足しました。 前回から数回にわたって行う勉強会は、そのための Deep learning と電子回路に関する知識の実践的な獲得を目的とします。前提知識をあまり仮定せず 、基礎の基礎から学べるようにしてゆきます (高校二年生程度の数学の知識と if や for 文など Python の経験を少し仮定しますが、なくても是非チャレンジしてみてください ! )。 勉強会の後はみんなでご飯を食べにいきます ! 今
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
トヨタの自動運転研究も紹介された「NVIDIA Deep Learning Day 2016 Spring」
https://arxiv.org/pdf/1603.06042v1
Intel Stretches Deep Learning on Scalable System Framework
【ダイジェストニュース】 テックウインド、高耐久エンタープライズ向けHDD「WD Gold」シリーズの取り扱いを開始 ほか